Бесплатный видео курс «Язык R для разработки AI инструментов»

Привет, Хабр!

За последние годы большие языковые модели (LLM) глубоко проникли в нашу работу и повседневную жизнь. Многие из нас регулярно используют их как обычные пользователи в веб-интерфейсе. Но что, если вы хотите выйти за рамки «чата с моделью» и создавать собственные интеллектуальные инструменты под конкретные задачи и бизнес-сценарии?

Если ваш основной язык программирования — R, то у меня для вас отличная новость! Экосистема R за прошлый год совершила огромный скачок в интеграции с ИИ.

Представляю вам бесплатный видеокурс «Язык R для разработки AI инструментов». Этот курс — не про абстрактные примеры и игрушечные демо. Он про системный подход к разработке AI-решений на языке R: от архитектуры и базовой работы с API до мультиагентных систем и RAG.

О чем этот курс?

В ходе курса мы последовательно пройдём весь путь создания AI-приложений, используя самые современные R пакеты: ellmer, mcptools, ragnar, shinychat, querychat и mini007.

Вы научитесь:

• Работать с API различных LLM-провайдеров напрямую из R.

• Управлять запросами, контекстом и ответами моделей.

• Строить полноценные веб-интерфейсы AI-чатов на базе Shiny.

• Обучать AI-ассистента пользоваться инструментами (tool calling) и выполнять действия. - Подключать модели к собственной базе знаний (RAG).

• Разрабатывать автономные мультиагентные системы.

Программа курса

Курс состоит из 7 подробных видеолекций с конспектами и примерами кода:

1. Введение в разработку AI-инструментов на языке R (ellmer, shinychat)
Начинаем с основ. Знакомимся с пакетом ellmer для работы с LLM в R. Учимся создавать чаты, настраивать API-ключи, извлекать структурированные данные из текста и строить базовый UI для взаимодействия с моделью.

2. Встраиваем LLM модель в Telegram-бота
Переносим наш AI-движок в мессенджер. Решаем проблему многопользовательской среды: учим бота вести раздельный контекст диалогов для разных людей и сохранять историю переписки между сессиями.

3. Язык R как MCP-сервер и MCP-клиент (mcptools)
Осваиваем Model Context Protocol (MCP) — стандарт, позволяющий моделям бесшовно подключаться к вашим данным и функциям. Вы узнаете, как написать свой MCP-сервер на R и как подключить его к профессиональным инструментам, таким как Claude Desktop.

4. RAG: Подключаем LLM к собственной базе знаний (ragnar)
Создаем систему Retrieval-Augmented Generation (RAG). Учимся преобразовывать текст в эмбеддинги, сохранять их в векторное хранилище (DuckDB) и настраивать гибридный поиск. В результате наша модель сможет точно отвечать на вопросы по вашей специфической документации.

5. Кастомизация интерфейса AI-чата (shinychat)
Углубляемся в UI. Выходим за рамки стандартных настроек: учимся менять визуальный стиль, добавлять интерактивные подсказки (suggestions), управлять отображением вызовов инструментов и встраивать чат в сложные Shiny-приложения.

6. Shiny-интерфейс для манипуляции данными на естественном языке (querychat)
Даем аналитикам мощный инструмент: возможность фильтровать, группировать и исследовать датафреймы, общаясь с ними обычным текстом. Пакет querychat переводит запросы на естественном языке в SQL-код и обновляет визуализации на дашборде.

7. Разработка мультиагентных систем (mini007)
Переходим к продвинутым архитектурам. Учимся создавать агентов, управлять их бюджетом токенов, генерировать и выполнять R-код силами ИИ. Разбираем оценку качества ответов (LLM-as-a-judge) и объединяем агентов в сложные системы для автономного решения комплексных задач.

Для кого этот курс и как начать?

Курс будет полезен аналитикам данных, R-разработчикам и всем, кто уже имеет опыт написания кода на R и хочет автоматизировать свои процессы или добавить ИИ-возможности в свои приложения. Для новичков в программировании он может оказаться сложноватым, поэтому перед его прохождением рекомендую освоить базовый синтаксис R.

Все материалы, видеолекции, примеры кода и конспекты доступны абсолютно бесплатно в формате онлайн-книги.

🔗 Приступить к изучению курса «Язык R для разработки AI инструментов»

Буду рад вашим комментариям под видео, отзывам и конструктивной критике. Присоединяйтесь, давайте вместе развивать AI-экосистему вокруг R!